Sıkıştırmalı algılama için aç gözlü algoritmaların iyileştirilmesi

Sıkıştırmalı Algılama (CS) veya Sıkıştırmalı Örnekleme, eğer bir işaret veya imge seyrek veya sıkıştırmalı olarak ifade edilebiliyorsa, Nyquist oranının altında daha az sayıda örnek kullanarak geri çatılmasına olanak sağlamaktadır. Çeşitli açgözlü algoritmalar kullanılarak seyrek sinyallerin geri çatılması daha önce de çalışılmıştır. Bu tezde aç gözlü algoritmaların performansını iyileştirmek için; En Az Kısmi Destekli Dik Eşleştirme Algoritması (LS-OMP), Sinyal Bölütleme için En Az Kısmi Destekli Dik Eşleştirme Algoritması (SS-LSOMP), Çoklu Destek Eşleştirme Algoritması (MSMP) ve Kısmi Destek Kümesi Bilinen OMP algoritması (PKLS-OMP) olmak üzere dört yeni algoritma önerilmiştir. Her bir algoritma matematiksel olarak ıspatlanmış ve durdurma koşuluna gore doğrulanmıştır. LS-OMP algoritması, sinyalin geri kazanımını, sinyalin seyreklik bilgisine ihtiyaç duymadan başarabilmektedir. İdeal ve kusursuz K- seyrekli sinyalin geri çatılması için ölçüm matrisinin Kısıtlı İzometri Katsayısı (RIC) iyileştirilmiş ve RIC katsayısının üst sınırı daha esnek yeni bir değere ulaştırılmıştır. SP metodu için önerilen durdurma koşulu daha önceki algoritmalarda önerilen değerlerden çok daha güçlüdür. Ek olarak, Kısmi Olarak Bilinen Destek Kümesinin algoritmaya dahil edilmesi ile önerilen algoritmaların performansı daha da geliştirmiş ve geri çatılma için çok daha az sayıda örneğe ihtiyaç duyulmuştur. Önerilen algoritmaların performansını sergilemek için deneysel sonuçlar sunulmuştur. Sonuçlar, yeni algoritmaların hem gürültülü hem de gürültüsüz ortamlarda daha önceki aç gözlü algoritmalardan çok daha üstün olduğunu göstermiştir.